entity

java 的transient关键字的作用是需要实现Serilizable接口，将不需要序列化的属性前添加关键字transient，序列化对象的时候，这个属性就不会序列化到指定的目的地中。 使用示例： import javax.persistence.Entity; import javax.persistence.Id; import javax.persistence.Transient; @Entity public class OrderEntity { @Id // ... private String id; /* * * 附件id不需要持久化 */ @Transient private String attachMgr; } transient 使用小结： 　　1）一旦变量被transient修饰，变量将不再是对象持久化的一部分，该变量内容在序列化后无法获得访问。 　　2）transient关键字只能修饰变量，而不能修饰方法和类。注意，本地变量是不能被transient关键字修饰的。变量如果是用户自定义类变量，则该类需要实现Serializable接口 　　3）被transient关键字修饰的变量不再能被序列化，一个静态变量不管是否被transient修饰，均不能被序列化。 　相关参考资料： transient关键字使用小记 来源： oschina 链接： https

在开发测试中经常会遇到接口迭代和代码重构，一个无关紧要的改动往往会引起整个项目的运行。现有的接口测试中往往只是针对单一接口的测试，可是业务的连贯性是非常紧密的，比如：用户从登陆，获取商品信息，下单，支付回调的处理，以及退款等流程的处理。发现没有好使的接口测试工具（jmeter太难用了）。于是自己使用python 实现自动化接口测试的一套脚本，该脚本可以实现单一接口的测试，和流程的测试；支持多个项目之间的测试；主要的功能如下： 读取Excel 接口参数（1、地址栏参数，2、body参数）动态化，可以从请求返回值中提取数据作为全局参数，供流程下一步骤使用 根据接口发送请求 结果的诊断，使用jsonpath 结果报告邮件 #!/usr/bin/python # -*- coding: UTF-8 -*- import xlrd import requests import json import logging import smtplib from email.mime.text import MIMEText from email.utils import formataddr import jsonpath import sys import traceback #日志定义 logging.basicConfig(level=logging.DEBUG, # log level

关注本人的同学可能发现，我最近点评的文章都是关于"GNN在推荐系统应用"方向的。这当然与现如今这个方向非常火有关，但是作为一个合格的炼丹师+调参侠，总要搞清楚一门技术为什么火？这么火的技术对于自己是否有用？根据我的理解，由“传统机器学习→深度学习→图计算或知识图谱”这一路下来的发展脉络如下： 一切技术的目标都是为了更好地“伺候”好“ 推荐系统的一等公民 — ID类特征 ”。用户购买过的商品、光顾过的店铺、搜索过的关键词、商品的分类与标签，都是这样的ID类特征 传统的机器学习只会“ 严格匹配 ”。用户喜欢喝可口可乐，算法不会给他推百事可乐，因为“可口可乐”与“百事可乐”是两个不同的概念，占据了两个不同的ID。这时的推荐算法只有“ 记忆 ”功能。 深度学习的特点是， 一切皆可embedding 。通过将“可口可乐”与“百事可乐”都扩展成embedding向量，发现这两个“概念”不是正交的，反而在向量空间里非常相近，从而推荐系统有机会给一个只喝过可口可乐的用户推荐百事可乐。这时的推荐算法不再只能记忆，而是有了举一反三的“ 扩展 ”功能。 而到了“图计算”或“知识图谱”的阶段，ID类特征换了个名字，变成图上的节点或者知识图谱中的entity。换名字是小事，关键是 这些ID不再是孤立的，而是彼此关联，从而带来了信息的传递 。之前，小明喝过“可口可乐”，只有“可口可乐

经过了一个下午的研究,基本完成了对hutool-db的使用。 Hutool-db工具的使用 1.介绍 Hutool-db是一个在JDBC基础上封装的数据库操作工具类，通过包装，使用ActiveRecord思想操作数据库。在Hutool-db中，使用Entity（本质上是个Map）代替Bean来使数据库操作更加灵活，同时提供Bean和Entity的转换提供传统ORM的兼容支持。 数据源 DataSource SQL执行器 SqlExecutor CRUD的封装 Db 、 SqlConnRunner SqlRunner 支持事务的CRUD封装 Session 各种结果集处理类 handler 数据库的一些工具方法汇总 DbUtil 还有就是没有列出来的dialect（数据库方言），我会根据给定的DataSource、Connection等对象自动识别是什么数据库，然后使用不同的方言构造SQL语句，暂时支持的数据库有MySQL、Oracle、SqlLite3，当然如果识别失败会用ANSI SQL，这样遇到不支持的数据，可以搞定大部分方法。 CRUD的封装 Db SqlConnRunner SqlRunner 这两个类有些相似，里面都封装了增、删、改、查、分页、个数方法，差别是 SqlConnRunner 需要每个方法都传Connection对象，而 SqlRunner 继承自

知识图谱简介 本文根据幕布上这篇思维导图总结而得 无需AI基础，小白也能看懂的知识图谱技术与应用 ##一、什么是知识图谱？ ###定义 学术上：语义网络（Semantic Network）的知识库 应用中：多关系图（Multi-relational Graph） ###什么叫多关系图？ 图：由节点和边构成，通常只包含一种类型的节点和边 多关系图：包含多种类型的节点和多种类型的边 ###知识图谱中的节点和边 节点 ： 通常用实体（Entity）来表达 实体：现实世界中的事物 边 通常用关系（Relation）来表达 关系：不同实体之间的某种联系 ##二、知识图谱的表达 ###属性图（Property Graph） 运用前提：当知识图拥有属性时 运用场景：工业界 图片概述：李明李飞是父子关系，李明拥有138开头的电话号，开通时间是2018 电话号属性：2018年开通 李明属性：25岁、职位总经理 ###RDF（资源描述框架） 运用前提：不支持实体或关系拥有属性 运用场景：学术界 ##三、知识抽取 ###数据主要来自2种渠道 业务本身的数据 包含在公司内的数据库表 以结构化的方式存储 只需简单预处理即可输入后续AI系统 网络公开、抓取的数据 以网页形式存在 属于非结构化数据 需要借助自然语言处理等技术提取结构化信息 处理非结构化数据涉及的自然语言处理技术 实体命名识别（Name

题目：知识图谱技术综述 作者：徐增林，盛泳潘，贺丽荣，王雅芳 摘 要 知识图谱技术 是人工智能技术的重要组成部分，其建立的具有 语义处理 能力与 开放互联 能力的 知识库 ，可在 智能搜索、智能问答、个性化推荐 等智能信息服务中产生应用价值。 该文在全面阐述知识图谱定义、架构的基础上，综述知识图谱中的 知识抽取、知识表示、知识融合、知识推理 四大核心技术 的研究进展以及一些典型应用。该文还将评论当前研究存在的挑战。 关 键 词： 知识融合; 知识图谱技术; 知识表示; 开放互联; 语义处理 目录 0 导 读 1 知识图谱的定义与架构 1.1 知识图谱的定义 1.2 知识图谱的架构 2 大规模知识库 2.1 开放链接知识库 2.2 垂直行业知识库 3 知识图谱的关键技术 3.1 知识抽取 3.2 知识 表示 3.3 知识融合 3.4 知识推理 4 知识图谱的典型应用 4.1 智能搜索 4.2 深度问答 4.3 社交网络 4.4 垂直行业应用 5 知识图谱的挑战 5.1 知识获取 5.2 知识表示 5.3 知识融合 5.4 知识应用 6 结束语 7 参考文献 0.导读 人类先后经历了以文档互联为主要特征的“ Web 1.0 ”时代与数据互联为特征的“ Web 2.0 ”时代，正在迈向基于知识互联的崭新“ Web 3.0 ”时代 [1] 。 知识图谱 (knowledge graph)

题目：知识图谱技术综述 作者：徐增林，盛泳潘，贺丽荣，王雅芳 摘 要 知识图谱技术 是人工智能技术的重要组成部分，其建立的具有 语义处理 能力与 开放互联 能力的 知识库 ，可在 智能搜索、智能问答、个性化推荐 等智能信息服务中产生应用价值。 该文在全面阐述知识图谱定义、架构的基础上，综述知识图谱中的 知识抽取、知识表示、知识融合、知识推理 四大核心技术 的研究进展以及一些典型应用。该文还将评论当前研究存在的挑战。 关 键 词： 知识融合; 知识图谱技术; 知识表示; 开放互联; 语义处理 目录 0 导 读 1 知识图谱的定义与架构 1.1 知识图谱的定义 1.2 知识图谱的架构 2 大规模知识库 2.1 开放链接知识库 2.2 垂直行业知识库 3 知识图谱的关键技术 3.1 知识抽取 3.2 知识 表示 3.3 知识融合 3.4 知识推理 4 知识图谱的典型应用 4.1 智能搜索 4.2 深度问答 4.3 社交网络 4.4 垂直行业应用 5 知识图谱的挑战 5.1 知识获取 5.2 知识表示 5.3 知识融合 5.4 知识应用 6 结束语 7 参考文献 3.知识图谱的关键技术 前文回顾 3.1 知识抽取 3.1.1 实体抽取 1) 基于规则与词典的实体抽取方法 2) 基于统计机器学习的实体抽取方法 3) 面向开放域的实体抽取方法 3.1.2 关系抽取 1) 开放式实体关系抽取 2

前言 本篇紧接着spring入门详细教程（一），建议阅读本篇前，先阅读第一篇。链接如下： Spring入门详细教程（一） https://www.cnblogs.com/jichi/p/10165538.html 一、spring注入方式 1、set方法注入 <bean name="user" class ="com.jichi.entity.User" > 　　<property name="name" value="小明"></property> 　　<property name="age" value="18"></property> </bean> 2、构造方法注入 <bean name="user" class ="com.jichi.entity.User" > <constructor-arg name="name" value="小红" ></constructor-arg> 　　<constructor-arg name="age" value="50"></constructor-arg> </bean> 3、p名称空间注入 xmlns:p="http://www.springframework.org/schema/p" <bean name="user" class ="com.jichi.entity.User" p:name="小白" p:age="10

一. JPA简介 JPA是Java Persistence API的简称,中文名Java持久层Api,是JDK1.5注解或者Xml描述对象-关系表的映射关系,并将运行期的实体类对象持久化Dao数据库中!注意的是,如果两种映射发生冲突的时候XML优先于注解的方式! 1. 什么是JPA? JPA由EJB 3.0软件专家组开发，作为JSR-220实现的一部分。但它又不限于EJB 3.0，你可以在Web应用、甚至桌面应用中使用。JPA的宗旨是为POJO提供持久化标准规范，由此可见，经过这几年的实践探索，能够脱离容器独立运行，方便开发和测试的理念已经深入人心了。Hibernate3.2+、TopLink 10.1.3以及 OpenJPA 都提供了JPA的实现。 JPA的总体思想和现有Hibernate、TopLink、JDO等ORM框架大体一致。总的来说，JPA包括以下3方面的技术： ORM映射元数据 JPA支持XML和 JDK 5.0注解两种元数据的形式，元数据描述对象和表之间的映射关系，框架据此将实体对象持久化到数据库表中； API 用来操作实体对象，执行CRUD操作，框架在后台替代我们完成所有的事情，开发者从繁琐的JDBC和SQL代码中解脱出来。 查询语言 这是持久化操作中很重要的一个方面，通过面向对象而非面向数据库的查询语言查询数据，避免程序的SQL语句紧密耦合。 2.

JPA讲义 Java持久层API 目 录 1 JPA概述.................................................................................................................. 3 1.1 JPA是什么................................................................................................... 3 1.1.1 ORM是什么...................................................................................... 3 1.1.2 标准是什么....................................................................................... 3 1.2 JPA的实现者............................................................................................... 4 1.3 JPA的作用是什么...................